| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 第一章 绪论 | 第6-9页 |
| §1．1 论文研究的目的和意义 | 第6-7页 |
| §1．2 国内外研究现状 | 第7-9页 |
| 第二章 数据挖掘和粗集理论 | 第9-18页 |
| §2．1 数据挖掘理论 | 第9-13页 |
| §2．1．1 数据挖掘的基本概念 | 第9页 |
| §2．1．2 典型的数据挖掘系统 | 第9-11页 |
| §2．1．3 数据挖掘的功能及模式 | 第11-12页 |
| §2．1．4 数据挖掘的应用 | 第12页 |
| §2．1．5 数据挖掘的主要问题 | 第12-13页 |
| §2．2 粗集理论 | 第13-18页 |
| §2．2．1 粗集的基本概念 | 第13-16页 |
| §2．2．2 粗集理论的特点 | 第16-18页 |
| 第三章 Rough Set理论中的属性约简 | 第18-28页 |
| §3．1 属性约简的基本概念 | 第18-19页 |
| §3．2 粗集理论中的信息熵 | 第19-21页 |
| §3．3 启发式属性约简算法的讨论 | 第21-28页 |
| §3．3．1 基于区分能力大小的启发式属性约简算法 | 第21-22页 |
| §3．3．2 基于可辨识矩阵的启发式属性约简算法 | 第22页 |
| §3．3．3 基于信息熵的启发式属性约简算法 | 第22-23页 |
| §3．3．4 基于加权平均属性重要度的启发式属性约简算法 | 第23-24页 |
| §3．3．5 一种基于相对区分表的启发式属性约简算法 | 第24页 |
| §3．3．6 一种基于遗传算法的启发式属性约简算法 | 第24-28页 |
| 第四章 启发式属性约简算法的改进及实现 | 第28-43页 |
| §4．1 一种基于相对区分表的启发式属性约简改进算法 | 第28-33页 |
| §4．2 一种基于遗传算法的启发式属性约简算法 | 第33-43页 |
| 第五章 两种启发式属性约简改进算法的应用 | 第43-48页 |
| §5．1 两种算法在数据集中的应用 | 第43-45页 |
| §5．2 两种算法在实例中的应用 | 第45-48页 |
| 结束语 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 长春理工大学硕士(或博士)学位论文原创性声明 | 第53页 |
| 长春理工大学学位论文版权使用授权书 | 第53页 |
